MétaCan
Menu
Retour à la cohorte
Enregistrement W2962402470 · doi:10.1186/s13017-019-0253-2

Physiological parameters for Prognosis in Abdominal Sepsis (PIPAS) Study: a WSES observational study

2019· article· en· W2962402470 sur OpenAlexaff
Massimo Sartelli, Fikri M. Abu‐Zidan, Francesco M. Labricciosa, Yoram Kluger, Federico Coccolini, Luca Ansaloni, Ari Leppäniemi, Andrew W. Kirkpatrick, Matti Tolonen, Cristian Tranà, Jean‐Marc Régimbeau, Timothy Craig Hardcastle, Renol Koshy, Ashraf Abbas, Ulaş Aday, A. R. K. Adesunkanmi, Lali Akhmeteli, Emrah Akın, Nezih Akkapulu, Alhenouf Alotaibi, Fatih Altıntoprak, Dimitrios Anyfantakis, Boyko Atanasov, Goran Augustin, Constança Azevedo, Miklosh Bala, Dimitrios Balalis, Oussama Baraket, Suman Baral, Or Barkai, Marcelo A. Beltrán, Roberto Bini, Konstantinos Bouliaris, Ana B. Caballero, Valentin Calu, Marco Ceresoli, Vasileios Charalampakis, Asri Che Jusoh, Massimo Chiarugi, Nicola Cillara, Raquel Cobos Cuesta, Luigi Cobuccio, Gianfranco Cocorullo, Elif Çolak, Luigi Conti, Yunfeng Cui, Belinda De Simone, Samir Delibegović, Zaza Demetrashvili, Δημήτριος Δημητριάδης, Ana Dimova, Agron Dogjani, Mushira Enani, Federica Farina, Francesco Ferrara, Domitilla Foghetti, Tommaso Fontana, Gustavo Pereira Fraga, Mahir Gachabayov, Gérard Grelpois, Wagih Ghnnam, Teresa Giménez Maurel, Georgios Gkiokas, Carlos Augusto Gomes, Ali Güner, Sanjay Gupta, Andreas Hecker, Élcio Hirano, Adrien M. Hodonou, M Hut'an, Igor Ilaschuk, Orestis Ioannidis, Arda Işık, Г. Б. Ивахов, Sumita Jain, Mantas Jokubauskas, Aleksandar Karamarković, Robin Kaushik, Jakub Kenig, Vladimir Khokha, Denis Khokha, Jae Il Kim, Victor Kong, Dimitris P. Korkolis, Vitor Favali Kruger, Ashok Kshirsagar, Romeo Lages Simões, Andrea Lanaia, Konstantinos Lasithiotakis, Pedro Leão, Miguel León Arellano, Holger Listle, Andrey Litvin, Aintzane Lizarazu, Eudaldo López-Tomassetti Fernández, Eftychios Lostoridis, Davide Luppi, Gustavo M. Machaín, Piotr Major, Dimitrios K. Manatakis, Marianne Marchini Reitz, Athanasios Marinis, Daniele Marrelli, Aleix Martínez‐Pérez, Sanjay Marwah, Michael McFarlane, Mirza Mesic, Cristian Meșină, Evangelos Misiakos, Felipe Gonçalves Moreira, Ouadii Mouaqit, Ali Muhtaroğlu, Noel Naidoo, Ionuţ Negoi, Zane Nikitina, Ioannis Nikolopoulos, G. Nita, Savino Occhionorelli, Iyiade Olaoye, Carlos A. Ordóñez, Zeynep Özkan, Ajay Kumar Pal, Gian Marco Palini, Kyriaki Papageorgiou, Dimitris Papagoras, Francesco Pata, Michał Pędziwiatr, Jorge Pereira, Gerson Alves Pereira Júnior, Gennaro Perrone, Tadeja Pintar, Magdalena Pisarska, O. M. Plehutsa, Mauro Podda, Gaetano Poillucci, Martha Quiodettis, Tuba Rahim, Daniel Ríos‐Cruz, Gabriel Rodrigues, Dmytry Rozov, Boris Sakakushev, Ibrahima Sall, А. В. Сажин, Taanya Sharda, Vishal G. Shelat, Giovanni Sinibaldi, Dmitrijs Skicko, M Škrovina, Dimitrios Stamatiou, Marco Stella, Marcin Strzałka, Ruslan Sydorchuk, Ricardo Alessandro Teixeira Gonsaga, Joël Noutakdie Tochie, Gia Tomadze, Lara Ugoletti, Jan Ulrych, Toomas Ümarik, Mustafa Yener Uzunoğlu, A Vasilescu, Osborne Vaz, András Vereczkei, N Vlad, Maciej Wałędziak, Ali Yahya, Ömer Yalkın, Tonguç Utku Yılmaz, Ali Ekrem Ünal, Yuan Kuo-Ching, Sanoop Koshy Zachariah, Justas Žilinskas, Maurizio Zizzo, Vittoria Pattonieri, Gian Luca Baiocchi, Fausto Catena

Notice bibliographique

RevueWorld Journal of Emergency Surgery · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensFoothills Medical Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineInterquartile rangeObservational studyEarly warning scoreMortality rateInternal medicineSepsisBlood pressureLogistic regressionEmergency medicineIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Timing and adequacy of peritoneal source control are the most important pillars in the management of patients with acute peritonitis. Therefore, early prognostic evaluation of acute peritonitis is paramount to assess the severity and establish a prompt and appropriate treatment. The objectives of this study were to identify clinical and laboratory predictors for in-hospital mortality in patients with acute peritonitis and to develop a warning score system, based on easily recognizable and assessable variables, globally accepted. This worldwide multicentre observational study included 153 surgical departments across 56 countries over a 4-month study period between February 1, 2018, and May 31, 2018. A total of 3137 patients were included, with 1815 (57.9%) men and 1322 (42.1%) women, with a median age of 47 years (interquartile range [IQR] 28–66). The overall in-hospital mortality rate was 8.9%, with a median length of stay of 6 days (IQR 4–10). Using multivariable logistic regression, independent variables associated with in-hospital mortality were identified: age > 80 years, malignancy, severe cardiovascular disease, severe chronic kidney disease, respiratory rate ≥ 22 breaths/min, systolic blood pressure < 100 mmHg, AVPU responsiveness scale (voice and unresponsive), blood oxygen saturation level (SpO 2 ) < 90% in air, platelet count < 50,000 cells/mm3, and lactate > 4 mmol/l. These variables were used to create the PIPAS Severity Score, a bedside early warning score for patients with acute peritonitis. The overall mortality was 2.9% for patients who had scores of 0–1, 22.7% for those who had scores of 2–3, 46.8% for those who had scores of 4–5, and 86.7% for those who have scores of 7–8. The simple PIPAS Severity Score can be used on a global level and can help clinicians to identify patients at high risk for treatment failure and mortality.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,388
Tête enseignante GPT0,423
Écart entre enseignants0,036 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations63
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of Emergency SurgeryMême sujetSepsis Diagnosis and TreatmentTravaux en français237 207